融合深度特征提取与细菌群体优化算法的牙科X光图像牙齿分割与分类框架
《Oral》:An Intelligent Framework for Tooth Segmentation and Classification Through Fusion of Transfer Learning with Advanced Optimization Algorithms Using Biomedical Images
【字体:
大
中
小
】
时间:2026年10月10日
来源:Oral 1.1
摘要
背景/目标:口腔健康是整体健康的重要组成部分,准确的牙齿分析支持了牙科成像中的多个应用。牙齿分割是数字牙科工作流程中的一个关键阶段,特别是对于正畸诊断、治疗规划以及评估与治疗相关的变化(如牙根吸收)。然而,牙科X光图像中存在的复杂解剖结构和变异使得准确的牙齿分割和分类具有挑战性。为了应对这些挑战,本研究开发了一个基于生物医学图像的特征提取模型融合与高级优化算法的牙齿分割与分类框架(TSCFFM-AOABI)。方法:所提出的框架首先应用模糊、中值模糊、灰度化和对比度受限自适应直方图均衡化(CLAHE)进行图像增强,以提高图像变异性和特征可见性。随后使用Adam优化器训练的YOLO11s对牙齿实例进行分割。分割后的牙齿区域然后通过DenseNet201、MobileNet和ShuffleNetV2进行处理,以获得互补的深度特征表示,并将其融合以构建全面的特征表示。融合后的特征使用核极限学习机(KELM)进行分类,其惩罚参数C和RBF核参数γ通过细菌群体优化(BCO)进行优化。结果:所提出的框架在一个包含598张图像和32个牙齿类别的基准牙科X光图像数据集上进行评估。实验结果表明准确率为96.17%,精确率为95.10%,召回率为99.03%,F1分数为98.00%。结论:结果表明所提出的框架在牙齿分割和分类方面是有效的。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号